پیشبینی بزرگای زمینلرزه در بندرعباس با استفاده از شبکه عصبی RNN

در این مقاله یک روش جدید برای پیشبینی بزرگای زمینلرزههای مهم در شهر بندرعباس با بزرگای بزرگتر از 5 بر پایه ی مدل های شبکه عصبی بازگشتی بیان میشود. بردارهای ورودی شبکه عصبی، شامل فواصل زمانی بین رویدادهای اصلی می باشند که با روشی مناسب و قابل اطمینان به راحتی قابل محاسبهاند و برای ایجاد روش تعلیم شبکه عصبی، بهینه شدهاند. انتخاب این ورودیها به شبکه کمک میکند تا با شمار محدودتری از دادههای تعلیم به پیش بینی بپردازد، چرا که این نوع عملکرد در هنگام مدل کردن زمینلرزهها با روشهای دادهمحور امری رایج است. علاوه بر این، روش پیشنهادی همراه با روش خوشهچین رزنبرگ جهت حذف رویدادهای پسلرزه از سابقه کاتالوگ به منظور پردازش بهتر دادهها با شبکه عصبی به کار میرود. نتایج حاکی از آن است که مدل شبکه عصبی بازگشتی (RNN(ایجاد شده، بزرگای زمین لرزه های بزرگ و متوالی را به صورت موفقیتآمیزی تخمین میزند بطوریکه می توان از نتایج حاصل بعنوان وسیلهای جهت پیشبینی بزرگای زمینلرزه بهره برد، در عین حال در یک مقایسه با ساختار شبکههای عصبی دیگر برای مثال شبکه عصبی پرسپترون چند لایه برتری روش پیشنهادی آشکار میشود.